Metode Analisis Data

3.5 Metode Analisis Data

3.5.1 Analisis Statistik Deskriptif

Analisis statistik deskriptif adalah metode-metode statistika yang digunakan untuk menggambarkan data yang telah dikumpulkan (Mason dan Lind, 1996). Analisis statistik deskriptif digunakan untuk mengetahui karakteristik sampel yang digunakan dan menggambarkan variabel-variabel dalam penelitian. Analisis statistik deskriptif meliputi jumlah, sampel, nilai minimum, nilai maksimum, nilai rata-rata (mean) dan standar deviasi. Data yang akan dianalisis adalah gambaran perusahaan yang dijadikan sampel dalam penelitian ini.

3.5.2 Uji Multikolonieritas

Uji multikolonieritas bertujuan untuk menguji apakah terdapat korelasi antar variabel independen didalam suatu model regresi. Uji multikolonieritas dalam analisis regresi logistik dilakukan dengan melihat nilai matriks korelasinya (correlation matrix). Model regresi yang baik adalah regresi yang tidak terjadi korelasi yang kuat diantara variabel independennya atau nilai matriks korelasinya umumnya kurang dari 0,9 (Ghozali, 2011).

3.5.3 Analisis Regresi Logistik

Pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan analisis multivariate dengan menggunakan regresi logistik (logistic regression). Variabel independen dalam regresi logistik merupakan campuran antara variabel kontinyu (metrik) dan kategorial (non metrik) (Ghozali, 2011). Regresi logistik Pengujian hipotesis dalam penelitian ini dilakukan dengan menggunakan analisis multivariate dengan menggunakan regresi logistik (logistic regression). Variabel independen dalam regresi logistik merupakan campuran antara variabel kontinyu (metrik) dan kategorial (non metrik) (Ghozali, 2011). Regresi logistik

GCO = α + β1ALTMAN + β2PAO + β3CG + β4REPUT + β5GENDIR + β6GENKOMIS + β7GENKA + ε

GCO = opini going concern (variabel dummy, 1 jika opini going concern,

0 jika opini non going concern). ALTMAN

= model prediksi kebangkrutan, menggunakan model revised Altman.

PAO = opini audit tahun sebelumnya (variabel dummy, 1 jika mendapatkan opini going concern, 0 jika mendapatkan opini non going concern ). CG = pertumbuhan perusahaan, menggunakan rasio pertumbuhan penjualan.

REPUT = kualitas atau reputasi auditor (variabel dummy, 1 jika menggunakan KAP yang berafiliasi dengan KAP big four, 0 jika menggunakan KAP yang tidak berafiliasi dengan KAP big four)

GENDIR = keragaman gender pada jajaran direksi (variabel dummy, 1 jika terdapat setidaknya satu wanita dalam jajaran direksi, 0 jika sebaliknya)

GENKOM = keragaman gender pada jajaran dewan komisaris (variabel dummy , 1 jika terdapat setidaknya satu wanita dalam jajaran dewan komisaris, 0 jika sebaliknya)

GENKA = keragaman gender pada jajaran komite audit (variabel dummy, 1 jika terdapat setidaknya satu wanita dalam jajaran komite audit, 0 jika sebaliknya)

a = konstanta β1- β5

= koefisien regresi ε

= error

3.5.3.1 Uji Kelayakan Model Regresi

Kelayakan model regresi dinilai dengan menggunakan Hosmer and Lemeshow’s Goodness of Fit Test. Model ini untuk menguji hipotesis nol bahwa data empiris sesuai dengan model (tidak ada perbedaan antara model dengan data sehingga model dapat dikatakan fit). Adapun hasilnya jika (Ghozali, 2011):

1. Jika nilai statistik Homer dan Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak. Hal ini berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga 1. Jika nilai statistik Homer dan Lemeshow’s Goodness of Fit Test sama dengan atau kurang dari 0,05 maka hipotesis nol ditolak. Hal ini berarti ada perbedaan signifikan antara model dengan nilai observasinya sehingga

2. Jika nilai statistik Hosmer dan Lemeshow’s Goodness of Fit Test lebih besar dari 0,05, maka hipotesis nol tidak dapat ditolak dan berarti model mampu memprediksi nilai observasinya atau dapat dikatakan bahwa model dapat diterima karena sesuai dengan data observasinya.

3.5.3.2 Uji Keseluruhan Model Fit ( Overall Model Fit Test)

Uji ini digunakan untuk menilai model yang telah dihipotesiskan telah fit atau tidak dengan data. Hipotesis untuk menilai model fit adalah : H0 : Model yang dihipotesiskan fit dengan data H1 : Model yang dihipotesiskan tidak fit dengan data Dari Hipotesis ini dijelaskan bahwa kita tidak akan menolak hipotesis nol

agar supaya model fit dengan data. Statistik yang digunakan berdasarkan Likelihood . Likelihood L dari model adalah probabilitas bahwa model yang dihipotesiskan menggambarkan data input. Untuk menguji hipotesis nol dan alternatif, L ditransformasikan menjadi -2LogL. Output SPSS memberikan dua nilai -2 LogL yaitu satu untuk model yang hanya memasukkan konstanta saja dan satu model dengan konstanta ditambah dengan variable independen. Adanya pengurangan nilai antara -2LogL awal dengan nilai -2LogL pada langkah berikutnya menunjukkan bahwa model yang dihipotesiskan fit dengan data (Ghozali, 2011)

3.5.3.3 Koefisien Determinasi ( Nagelkerke ’s R Square)

Besarnya nilai koefisien determinasi pada model regresi logistik ditunjukkan dengan nilai Nagelkerke ’s R Square. Nagelkerke’s R Square merupakan pengujian yang dilakukan untuk mengetahui seberapa besar variabel independen mampu menjelaskan dan mempengaruhi variabel dependen. Nilai Nagelkerke ’s R Square bervariasi antara 1 (satu) dan 0 (nol). Semakin mendekati nilai 1 maka model dianggap semakin goodness of fit sementara semakin mendekati nilai 0 maka model semakin tidak goodness of fit (Ghozali, 2001 dalam Muthahiroh, 2013).

3.5.3.4 Matriks Klasifikasi

Matriks klasifikasi menunjukkan kekuatan prediksi dari model regresi untuk memprediksi kemungkinan penerimaan opini audit going concern pada perusahaan non keuangan.

3.5.4 Uji Hipotesis / Uji Signifikasi Parameter Individual (Uji Statistik t)

Pengujian dengan model regresi logistik digunakan dalam penelitian ini adalah untuk mengetahui pengaruh dari masing-masing variabel independen terhadap variabel dependen. Kriteria pengujian:

a. Tingkat kepercayaan yang digunakan adalah 95 % atau taraf signifikansi 5% (α = 0,05).

b. Kriteria penerimaan atau penolakan hipotesis didasarkan pada signifikansi p-value. Jika taraf signifikansi > 0,05 maka Ho diterima, dan jika taraf signifikansi < 0,05 maka Ho ditolak.